简介这份资源围绕涡旋电磁波OAM展开包含 OAM 相位、场强分布与涡旋波束仿真的相关材料适合通信、光学成像、量子信息等方向的研究者及电磁波课程学习者用于理解携带轨道角动量的电磁波特性。压缩包共 19 个文件以 dat 数据文件、m 脚本、txt 说明文档为主整体约 2.87MB其中 m 文件可用于相位平面、场强分布与涡旋波束的可视化分析dat 文件则提供不同 OAM 模式下的仿真数据。目前已有 552 人学习下载。通过本资源可直观查看不同拓扑荷数下的 OAM 相位变化与场强分布并结合脚本理解涡旋电磁波的螺旋相位结构、中心空洞特征及其在信息传输中的应用潜力有助于快速建立对 OAM 波束的量化认识与仿真操作基础。1. 涡旋电磁波相位图为什么说强度图会骗人相位图才是OAM的身份证拿到一帧涡旋电磁波的仿真结果先别急着看那个漂亮的“甜甜圈”强度图。拓扑荷 l1 和 l3 在强度图上几乎长得一模一样都是一个暗心加一个亮环——真正区分它们的是复振幅的相位项 exp(-jlφ) 在角向绕了多少圈。OAM 的信息藏在相位里不在强度里。这篇笔记就沿着「相位图怎么算、场强相位怎么对应、相控阵怎么生成、谱怎么读」这条线把 OAM 相位从数值仿真到硬件控制字的完整链路讲一遍。做涡旋电磁波研究的人无论是做通信的轨道角动量复用还是做雷达的涡旋波成像第一步都是同一件事让仿真软件先把一个正确的 OAM 相位图吐出来。这个阶段最典型的翻车不是公式写错而是把强度图的暗环当成“OAM 存在的证据”或者把相位卷绕的锯齿纹当成螺旋波前。下面从拉盖尔-高斯模开始把相位图的来龙去脉捋清楚。2. 从拉盖尔-高斯模到相位奇点先让仿真画出第一张正确的OAM相位图2.1 为什么选拉盖尔-高斯模做理论基准拉盖尔-高斯LG模是傍轴近似下亥姆霍兹方程的一组正交完备解它的复振幅表达式为E(r, φ, z) A·(√2·r/w(z))^|l| · L_p^|l|(2r²/w²(z)) · exp(-r²/w²(z)) · exp(-jkz) · exp(-jlφ) · exp(jΦ_Gouy)其中最关键的就是最后那个 exp(-jlφ)φ 是方位角l 是拓扑荷。这个因子决定了波前是螺旋形的——沿着传播方向走一个波长相位不是增加 2π而是增加 2πl。正因为有这一项相位分布在角向形成了 l 条等相位线交汇于中心的螺旋结构中心处相位无法定义场强自然为零这就是相位奇点。选用 LG 模而不选贝塞尔涡旋束原因是它同时给出了径向指数 p 和角向指数 l能分清“相位绕了几圈”和“强度环有几个节”这两个不同维度的事情。实际相控阵生成的 OAM 波束并不是严格的 LG 模但用 LG 模做分析基准来校准仿真代码误差可以接受。在写代码之前先把参数约定好。下面这段 Python 直接算 LG 模在某一传播距离处的复振幅并输出强度图和相位图——这是所有后续工作的起点。如果你用的是 MATLAB 或 HFSS公式也一样只是画图函数不同。import numpy as np import matplotlib.pyplot as plt # 物理参数 w0 0.01 # 束腰半径 [m]决定了暗环的径向尺度 lam 0.03 # 波长 [m]对应 10 GHz 微波频段 k 2 * np.pi / lam z 0.5 # 传播距离 [m] zR np.pi * w0**2 / lam # 瑞利距离 # 空间网格: 40 cm 见方采样 401 点 Lx 0.4 N 401 x np.linspace(-Lx/2, Lx/2, N) X, Y np.meshgrid(x, x) R np.sqrt(X**2 Y**2) PHI np.arctan2(Y, X) # LG 模参数 l 2 # 拓扑荷相位绕中心 2 圈 p 0 # 径向节数0 表示单环 # 束宽随传播距离变化 w w0 * np.sqrt(1 (z / zR)**2) # 归一化常数 A np.sqrt(2 / (np.pi * np.math.factorial(p abs(l)))) / w0 # 复振幅: LG 模忽略 Gouy 相位的常数偏移 r2 (np.sqrt(2) * R / w) ** 2 Lp np.polynomial.laguerre.Laguerre([0]*p [1]) # 广义拉盖尔多项式p 阶 lg_term Lp(r2) # 对每个网格点求值 E A * (np.sqrt(2) * R / w)**abs(l) * np.exp(-R**2 / w**2) * \ np.exp(-1j * l * PHI) * lg_term # 除以最大幅度做归一化 E E / np.abs(E).max() # 输出: 强度图 (场强平方) 和相位图 fig, ax plt.subplots(1, 2, figsize(10, 4.5)) im0 ax[0].imshow(np.abs(E)**2, extent[-Lx/2, Lx/2, -Lx/2, Lx/2], cmapjet) ax[0].set_title(Intensity |E|^2) plt.colorbar(im0, axax[0]) im1 ax[1].imshow(np.angle(E), extent[-Lx/2, Lx/2, -Lx/2, Lx/2], cmaphsv, vmin-np.pi, vmaxnp.pi) ax[1].set_title(Phase angle(E)) plt.colorbar(im1, axax[1]) plt.tight_layout() plt.show()这段代码里最容易出错的是np.arctan2(Y, X)——方位角 φ 的定义是从 X 轴起算MATLAB 里对应atan2(Y, X)千万别写成atan2(X, Y)否则相位图等于转了 90 度。强度图是|E|^2注意这里 E 是复数np.abs(E)取模再平方才是功率密度如果直接E**2得到的是复数平方就完全错了。np.angle(E)返回的是主值区间 (-π, π] 的相位图上会看到一条从 -π 到 π 的跳变线这是相位卷绕不是波前断裂。真正的螺旋波前需要用解缠后的连续相位来判断沿着以中心为圆心的圆周走一圈连续相位一共变了 2πl。l2 时这个变化量是 4π对应两圈螺旋。2.2 相位图绕数的数值判据不能只靠眼睛看相位图出来之后视觉判断容易出问题尤其当拓扑荷的符号一正一负时螺旋方向是相反的但颜色图上只是跳变线旋转方向不同肉眼不怎么看得出来。工程上需要一个可重复的数值判据来计算绕数。做法是取一条以相位奇点为中心的圆周把圆周上的相位先解缠再算总变化量除以 2π。下面这段代码把这个判据落成函数def winding_number(E, cx, cy, radius): 计算复场 E 在 (cx, cy) 为圆心、radius 为半径的圆上 相位绕一圈的绕数, 即拓扑荷 l。 # 在圆周上采样 720 个点 theta np.linspace(0, 2*np.pi, 720, endpointFalse) # 双线性插值取圆周上的复数值 from scipy.ndimage import map_coordinates xi (cx radius * np.cos(theta)) # 像素坐标 yi (cy radius * np.sin(theta)) vals map_coordinates(E, [yi, xi], order1, modeconstant) phase np.unwrap(np.angle(vals)) # 绕数 总相位变化 / 2π wind (phase[-1] - phase[0]) / (2 * np.pi) return wind # 用上一节的 E 计算: 中心位于网格中点, 半径取 40 像素 cx cy (N - 1) / 2 radius_px 40 l_measured winding_number(E, cx, cy, radius_px) print(fmeasured winding number: {l_measured:.2f}) # 期望等于 2map_coordinates做圆周采样时坐标必须和imshow的像素坐标一致extent参数改的是显示范围不改变数组索引。如果E的尺寸是 401×401中心索引是 (200, 200)这个细节在cx, cy赋值上写清楚比后面再去查 bug 强得多。np.unwrap是相位解缠的关键函数它的作用是把跳变的 -π→π 修正为连续变化。如果圆周恰好经过相位奇点也就是暗心区域解缠会失败因为奇点处相位本身无定义——所以圆周半径要选在亮环的中间位置那里 SNR 最高。这个绕数判据的作用不只是验证代码它还是后面接收端解调 OAM 信号的核心操作。通信系统里判断收到的是 l2 还是 l3本质就是在接收口径面上做一次绕数测量或 OAM 谱分解。仿真阶段把这件事跑通后面做硬件实验时心里就有一把尺。3. OAM 场强相位图的完整图景幅度、相位与坡印廷矢量三分量3.1 场强和相位不是两张独立的图它们是同一个复数的模和辐角很多做相控阵出身的人第一次接触 OAM会把“场强图”和“相位图”当成两种独立的输出场强图看能量分布相位图看波前形状。这个理解不算错但会漏掉一个关键信息——涡旋电磁波的坡印廷矢量在传播方向上不是直的它带有一个角向分量这个分量的大小与 l 成正比。这个角向能流才是 OAM 的物理本质而它无法直接从单纯的强度图或相位图单独读出必须把两者合起来看。具体来说傍轴近似下 z 方向坡印廷矢量的角向分量为S_φ (l·ε₀·ω·r / (2·k)) · ∂|E|²/∂r这个式子说明两件事第一OAM 的能量是绕着传播轴转的l 越大转得越猛第二S_φ 正比于 |E|² 的径向梯度意味着只有当场强在径向有变化亮环存在时才有净角向能流。一个均匀平面波|E|² 不随 r 变化没有任何角向能流就算你给它硬套一个相位因子它也不是涡旋波。所以在做仿真输出时我的习惯是同时画三样东西强度图、解缠相位图、角向坡印廷矢量剖面。前面两个代码已经给了第三个在直角坐标下可以直接从 S (1/2)·Re(E* × H) 中取方位角分量也可以利用上面那个近似公式。后者更快一张剖面图就能看出 l 不为零时能量在角向的输运方向。3.2 用 PC 端的相位恢复验证仿真结果而不是直接信任一张图“相位恢复”这个词在散射成像里是被动反演但在涡旋电磁波仿真里有一个很实际的用途验证你的复振幅数据是否自洽。做法是把复数场拆成强度和相位两张图然后只保留强度信息用 Gerchberg-Saxton 类算法把相位迭代恢复出来再和原始相位图对比。如果两者差异在几个百分点以内说明仿真数据自洽如果恢复出来的相位拓扑荷都对不上绝大多数情况不是算法问题而是你的复振幅在某个环节被拆错了。def gs_phase_recovery(intensity, initial_phase, iterations200): 从强度图恢复相位: 经典 Gerchberg-Saxton 迭代。 intensity: 实测/仿真强度图 (二维实数组) initial_phase: 相位初值, 可以是全零或随机 amp_target np.sqrt(intensity) # 目标幅度 field amp_target * np.exp(1j * initial_phase) for _ in range(iterations): # 正向传播到频谱域 (夫琅禾费近似) spec np.fft.fftshift(np.fft.fft2(np.fft.ifftshift(field))) # 频谱域只保留相位, 幅度置为全 1 (约束: 均匀照明) spec np.exp(1j * np.angle(spec)) # 逆传播回空间域 field np.fft.ifftshift(np.fft.ifft2(np.fft.fftshift(spec))) # 空间域幅度约束: 替换为目标幅度 field amp_target * np.exp(1j * np.angle(field)) return np.angle(field) # 用第 2 节算出的 E 做测试 phase_recovered gs_phase_recovery(np.abs(E)**2, initial_phasenp.zeros_like(np.abs(E))) # 计算恢复相位与真实相位的相关系数 err np.corrcoef(np.angle(E).ravel(), phase_recovered.ravel())[0, 1] print(fphase correlation: {err:.3f})这个验证环节值得养成习惯。原因很朴素OAM 相位图太容易“看起来对”了——hsv 色彩图下任何一张有螺旋纹理的图都自带说服力但纹理方向、绕数、奇点位置可能有系统误差。相位恢复提供了一个盲测手段相当于在没有标准答案的情况下做一次交叉验证。迭代 200 次足够收敛如果相关系数低于 0.9先去查fftshift的使用是否正确——这个函数不对称地调用是相位恢复里最常见的 bug 来源多一个 shift 少一个 shift恢复出来的相位整体翻转拓扑荷符号反号。4. 从相位分布到相控阵控制字FPGA 生成 OAM 的最小链路4.1 阵面相位分布公式把 exp(-jlφ) 落到每个阵元的 φ 上仿真相位图做得再漂亮不落到硬件上就是空中楼阁。相控阵生成 OAM 的基本方式是在一个平面阵列上给第 n 个阵元设置一个相位偏移使阵元位置处的初始相位等于目标 OAM 波前在该点处的相位值。也就是说阵元 (x_n, y_n) 的激励相位应该是ψ_n -l·arctan(y_n / x_n) k·(x_n·cosφ_p·cosθ_p y_n·sinφ_p·cosθ_p)前面是 OAM 的螺旋相位项后面是波束指向为 (θ_p, φ_p) 的平面波相位项。当 θ_p 0波束垂直阵面出射时后面那一项退化为常数阵面相位纯粹是角向分布的螺旋。θ_p ≠ 0 时你得到的是“斜着出去的涡旋波”这在某些雷达场景下有用但相位图会呈现出螺旋倾斜条纹叠加的形状解缠时难度上一个台阶。需要提醒的是这个公式本身只给出所需阵面相位而阵元的激励幅度要不要也按 LG 模的径向分布做锥削取决于你的指标。只控制相位、幅度均匀出来的波束是“类 OAM”含有多个径向模式分量把幅度也按 LG 模加权纯度更高但代价是阵面幅度动态范围变大馈电网络更复杂。我一般建议第一版方案先做纯相位控制10 dB 以内的纯度差完全可以通过后级 OAM 谱分解的滤波算法补偿。4.2 相位量化和查表FPGA 里存的不是角度是控制字所有阵元的激励相位算完之后接下来就是 FPGA 的活。FPGA 无法直接输出一个模拟相位它控制的是移相器的状态字。最常见的移相器是 6 bit把 360° 分成 64 档每档 5.625°。你算出来的 ψ_n 是连续值需要量化成最近的档位import numpy as np # 阵面参数: 8x8 矩形栅格, 半波长间距 N_side 8 d lam / 2 # 阵元间距, 这里用第一节的 lam0.03 0.015 m x (np.arange(N_side) - (N_side - 1) / 2) * d y (np.arange(N_side) - (N_side - 1) / 2) * d X, Y np.meshgrid(x, y) PHI np.arctan2(Y, X) # 阵元方位角 l 2 theta_p, phi_p np.deg2rad(0), np.deg2rad(0) # 垂直出射 # 所需连续相位 phase_req -l * PHI k * (X*np.cos(phi_p)*np.cos(theta_p) Y*np.sin(phi_p)*np.cos(theta_p)) phase_req np.mod(phase_req, 2*np.pi) # 6-bit 量化 M 64 phase_q np.round(phase_req / (2*np.pi) * M) % M # 输出控制字矩阵, 便于直接写入 FPGA 寄存器表 print(phase control word (6-bit):) print(phase_q.astype(np.uint8)) # 量化后的实际相位 phase_actual phase_q / M * 2 * np.pi # 量化误差统计 phase_err np.angle(np.exp(1j*(phase_actual - phase_req))) print(fphase quantization RMS error: {np.sqrt(np.mean(phase_err**2)):.4f} rad)控制字矩阵是 8×8 的整数表每项 0~63这个表就是要烧进 FPGA 寄存器的东西。量化误差的 RMS 值通常在 0.03~0.05 rad 量级对应相位纯度损失可以忽略。但如果你的系统要求拓扑荷 l 很大比如 l8同一个圆周上需要排布的相位阶梯数超过 64 档量化噪声就会显著抬高 OAM 谱的旁瓣——这时要么换更高位的移相器要么把阵列做大让阵元数多于需要的相位阶梯数靠空间采样冗余来压低量化噪声。这里有个实战细节np.arctan2(Y, X)在阵面坐标系下的结果范围是 (-π, π]映射到控制字时 0 和 2π 是同一个物理相位但量化后可能得到两个相差 1 的控制字无伤大雅。真正要留意的是奇点位置落在某个阵元上——比如中心阵元的 XY0这时 PHI 无定义代码里会得到 0 相位物理上这个阵元处于暗心区域的边界它的相位贡献本来就可忽略实测中不会造成可见影响。5. 角向 OAM 谱从相位图到定量诊断的必经之路5.1 什么是角向 OAM 谱为什么要用它来判断“纯度”相位图给出的只是某个截面上空间每一点的相位值它能直观看出螺旋结构但回答不了两个定量问题这个波束里 l2 的分量占多少l0 的泄漏有多大这两个问题直接决定 OAM 通信系统的串扰水平和雷达涡旋波成像的信噪比。答案要从角向 OAM 谱里找。做法是在某一固定半径 r₀ 上把复场 E(r₀, φ) 看成 φ 的周期函数然后做傅里叶级数展开。第 l 阶傅里叶系数就是拓扑荷为 l 的模式分量a_l(r₀) (1/2π)∫₀^{2π} E(r₀, φ)·exp(-jlφ) dφ|a_l|² 在所有阶上的分布就是角向 OAM 谱。一个理想的纯 LG 模在固定 r₀ 处的谱是单根的实际相控阵生成的 OAM 波束由于阵元离散、幅度不均匀、移相器量化谱会铺开成多根主模与杂散模之间的差值就是模式纯度。5.2 用离散傅里叶变换实现 OAM 谱分析一个函数搞定仿真里我们只有离散网格上的复数值因此沿圆周采样的 E(r₀, φ) 天然是离散序列直接用np.fft.fft就能得到各阶系数注意此时横轴频率索引正好对应拓扑荷 ldef oam_spectrum(field, cx, cy, radius, num_samples512): 沿圆周采样复场, 用 FFT 计算角向 OAM 谱。 返回 l 轴与归一化功率谱。 from scipy.ndimage import map_coordinates theta np.linspace(0, 2*np.pi, num_samples, endpointFalse) xi cx radius * np.cos(theta) yi cy radius * np.sin(theta) samples map_coordinates(field, [yi, xi], order1, modeconstant) # 角向方向做 FFT, 频谱 bin 对应拓扑荷 spectrum np.fft.fft(samples) / num_samples power np.abs(spectrum) ** 2 power power / power.max() # 归一化到主模 # 频率轴映射: FFT 的 bin k 对应 exp(jkφ) 分量 l_axis np.fft.fftfreq(num_samples, d1.0) # 这时 d1, 序列单位间隔 l_axis np.round(l_axis).astype(int) return l_axis, power l_axis, power oam_spectrum(E, cx(N-1)/2, cy(N-1)/2, radius40) # 只看 [-8, 8] 阶范围 mask (l_axis -8) (l_axis 8) for l_val, p_val in zip(l_axis[mask], power[mask]): if p_val 0.01: # 只打印占比大于 1% 的分量 print(fl{l_val:d}: {p_val:.3f})判断谱型时注意 l0 处如果出现明显峰值说明波束里有非涡旋的泄漏分量这通常指向阵面幅度分布不均或某个阵元失效主模两侧对称出现的旁瓣则多半来自移相器量化。这里np.fft.fftfreq(num_samples, d1.0)得到的频率轴是 0, ±1, ±2…… 正好对应各阶拓扑荷但要注意 FFT 的循环性l-1 和 lnum_samples-1 是同一个 bin。采样点数取 512 足以覆盖 l 到 ±50 的谱范围对绝大多数相控阵场景都够用。这个 OAM 谱工具在散射成像场景里特别有价值。涡旋波经过非理想信道大气湍流、散射介质后单模变成了谱扩散扩散程度就是信道对 OAM 的破坏程度。相位恢复算法恢复出来的场配合 OAM 谱分析能定量评估补偿算法的效果。这也是当前涡旋电磁波应用研究中用得最多的两个工具的配合方式。6. OAM 相位仿真的 4 个坑从相位跳变误判到采样不足6.1 把相位卷绕当螺旋臂解缠之前别数圈数现象直接用np.angle()画相位图看到 hsv 色图下有 2 条颜色跳变线就断言拓扑荷是 2。换个 l3 的参数重跑跳变线变成了 3 条好像验证了。但把 φ 方向旋转一下再画跳变线位置变了。原因np.angle()返回主值区间相位 2π 的连续增长被截断成 π 到 -π 的跳变。跳变线只是“卷绕”的产物不是螺旋臂。而螺旋臂要看的是解缠后相位沿角向是否单调增减。解决先用np.unwrap()在圆周上解缠再用第 2 节的绕数函数做数值验证。记住一个原则凡是需要通过“数圈数”来判定拓扑荷都必须先解缠这是 OAM 仿真所有后续步骤里最先要建立的纪律。6.2 采样不足鬼影相位奇点成对出现的谎言现象减小网格点数 N 从 401 降到 101相位图中心附近多了一对“额外奇点”绕数测量结果变成了 0而不是 2。原因OAM 的相位奇点附近相位梯度极大分辨率的奈奎斯特准则要求每个波长至少 2 个采样点在暗心附近这个要求更苛刻。网格太粗时奇点的相位变化被欠采样扭曲产生伪奇点对。解决网格间距控制在 λ/20 以内空间范围 Lx 至少覆盖 3 倍亮环半径。具体操作是设dx Lx / (N-1) lam / 20这一条经验值比任何理论分析都更省事直接写进仿真模板别每次去算。6.3 强度暗环不是“无能量”只是轴线上的能流为零现象仿真相位图中心处相位无定义强度图为零于是有人推断“OAM 波束在轴线上没有任何能量”甚至有人在阵列设计里直接去掉中心阵元。原因场强在轴线上为零是因为相位奇点导致各方向贡献相消但角向坡印廷矢量并不为零能量绕着轴线流动。中心阵元所在位置附近的场强极低但它对塑造螺旋波前仍有贡献去掉它会让波前在中心区域产生不可控的畸变。解决阵列设计时保留中心阵元只在移相器配置上让它输出低功率或固定相位。若要追求“暗心更明显”应通过增大拓扑荷 l 让暗环半径变大而不是物理挖去中心。6.4 相位中心偏移坐标原点忘了对齐阵面中心现象相位图整体看是螺旋但螺旋的“眼”不在图中心偏了几个像素。用绕数判据去测取不同的圆周半径得到不同结果。原因生成复振幅时用了X, Y np.meshgrid(x, x)而np.fft相关的操作或imshow的 extent 设置把坐标原点映射到了图的一角。相位奇点必须位于坐标原点这一物理要求在数值实现中需要显式保证。解决网格生成后立即断言X[N//2, N//2] 0 and Y[N//2, N//2] 0用np.testing.assert_almost_equal检查。偏移量如果小于一个像素通常可以忽略大于一个像素时绕数测量结果会产生系统性偏差。7. 进阶验证技巧用一张相位图同时检验拓扑荷、波束指向与模式纯度相位图能提供的信息远不止拓扑荷一个数。一个比较高效的验证技巧是在同一张图上叠加三个特征——解缠后相位等值线的数量与方向、亮环中心相对图中心的偏移、以及圆周采样 OAM 谱的主瓣宽度。这三个特征分别对应拓扑荷、波束指向和模式纯度。实际操作时我习惯把 OAM 谱分析函数做成一个可复用的辅助模块和相位恢复算法放在同一个文件里。每次仿真参数改动后跑一遍谱分析确认主模在期望的 l 值上且幅度比旁瓣高 15 dB 以上再做后续的信号处理。这个 15 dB 的经验阈值比任何理论上的“纯度 99%”都更贴近工程实际——实测中阵列的幅度误差、移相器误差、互耦效应随随便便就能吃掉 5~10 dB 的纯度。还有一个值得养成的习惯把相位量化控制字这步也纳入回归测试。相控阵的 FPGA 代码后续可能有改动但阵面相位分布表必须保持稳定。把第 4 节生成的 8×8 控制字矩阵存成文件任何一次代码更新后都要重新生成并与基线对比。这个动作成本极低但能在硬件调试阶段省掉大量排查时间——我见过不止一次阵列方向图异常最后定位到是某个阵元的控制字被挪了一位。关于相位恢复配合 OAM 谱做散射成像验证最后补充一个技巧不要直接对恢复出的相位图做绕数判断。恢复算法本身可能引入全局相位偏移和缓慢变化的相位畸变先做一个圆周高通滤波减去圆周上的均值再做谱分析得到的 OAM 谱更干净。这个操作相当于把非涡旋的共模分量先滤掉对 l0 泄漏的抑制特别有效。涡旋电磁波的仿真链路走到这里从拉盖尔-高斯模的复振幅、相位图的数值验证、场强相位一体化诊断到相控阵相位量化控制字和 OAM 谱定量分析每一步都有明确的数值判据不再是“看着像就行”。这套方法我在多个频段的仿真和暗室测试里反复验证过最大的体会是OAM 的相位图看着偏门但它的分析工具全部来自经典电磁场和信号处理只要把相位解缠和 FFT 谱分析这两个基本功打牢整个链路就能稳稳跑通希望帮到你。本文还有配套的精品资源点击获取